chatbot aiml webqa

Intelligentes Dialogmodell

Überblick

1. AIML-Auszeichnungssprache für künstliche Intelligenz
2. Frage und Antwort zur offenen WebQA-Domäne
3. Deep Learning Deep Learning
4. Effektanzeige

Dienst starten

Umwelterklärung

Linux/Python2.7/PyCharm

Abhängigkeiten installieren

 $ pip2 install jieba
$ pip2 install aiml
$ pip2 install lxml
$ pip2 install beautifulsoup4
$ pip2 install flask

Prozess ausführen

Arbeitsverzeichnis: chatbot-aiml-webqa/core

 $ cd chatbot-aiml-webqa/core
$ python2 web/server.py (or $ nohub python2 web/server.py)

> ......
> * Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)

CURL:
$ curl "0.0.0.0:5000/chat" -d "message=新闻"
$ curl "0.0.0.0:5000/chat" -d "message=天气"
$ curl "0.0.0.0:5000/chat" -d "message=时间"

Verarbeitungsablauf

Schritt 1: Vorverarbeitung

1. Begrenzen Sie die Wortanzahl
2. Filtern Sie sensible Wörter (ekelhaft, politisch, pornographisch, illegal ...)

Schritt 2: Knowledge Base Matching (AIML)

1. Grundfunktionen: Hallo sagen, chatten...
2. Ausnahmebehandlung: Frage zu lang, leere Frage, Antwort nicht gefunden ...
3. Emotionale Antworten: Ausdrücke, Lob, Spott ...

Wenn keine Antwort gefunden wird, fahren Sie mit Schritt drei fort.

Schritt drei: Internetsuche (WebQA)

1. Nachrichten ---- Sina News
2. Artikel----Ein Artikel pro Tag
3. Witze ---- Enzyklopädie der peinlichen Dinge
4. Zeit ---- Sogou-Zeit
5. Wetter----Sogou Wetter
6. Luft----Sogou Air
7. Andere durchqueren die Baidu-Suche

• Baidu-Chinesisch
• Baidu-Übersetzung
• Baidu-Karte
• Baidu-Wechselkurs
• Baidu-Computing
• Baidu-Aktie
• Baidu-Texte
• Baidu spätestens
• Baidu-Enzyklopädie
• Baidu weiß es

Wenn Sie die Antwort nicht finden können, fahren Sie mit Schritt 4 fort.

Schritt 4: Neuronales Netzwerk

Die auf dem Seq2Seq-Modell basierende Dialog-Engine der nächsten Generation trainiert nicht nur die beste Antwort unter den vorhandenen Antworten, sondern kann auch selbst eine menschenähnliche Antwort erstellen.
Korpus: http://61.93.89.94/Noah_NRM_Data/
Derzeit ist keine Zeit, diesen Teil zu implementieren ... Verwenden wir stattdessen vorerst die Turing Robot API~~~

Lernfunktion

Verwendung von AIML-Vorlage + Regalspeicher

1. *falsch*
2. *falsche Antwort*
3. ...

 ME > 世界上最漂亮的人是谁
AI > 灰姑娘
ME > 你说错了
AI > 那你教我吧
ME > 白雪公主
AI > 我学会啦，下次你就可以问我"世界上最漂亮的人是谁"......
ME > 世界上最漂亮的人是谁
AI > 白雪公主

Referenzlink

1. https://github.com/SnakeHacker/QA-Snake
2. https://github.com/ictar/XIXI
3. https://github.com/fwwdn/sensitive-stop-words